DeepSeek-R1 Distill Llama 70B
DeepSeek-R1 Distill Llama 70BをQ4_K_M・8kコンテキストで動かすには、45.8GBのVRAMが必要です（2026年10月16日に確認したconfig.jsonから計算）。収まる最小のGPUのメモリは80GBで、動くデスクトップ向けGPUのなかで最も速いRTX PRO 6000 Blackwellでは、生成速度は約31トークン/秒です。
- パラメータ
- 70.6B
- コンテキスト長
- 131,072トークン
- ライセンス
- MIT
- 公開
- 2025年1月
- config.jsonの確認日
- 2026年10月16日
DeepSeek-R1 Distill Llama 70BをローカルLLM動作チェッカーで開く
どのメモリ容量のGPUで動くか
必要量45.8GBを、メモリ容量ごとに比べます。モデルが使えるのはGPUのメモリの95%までで、色が付いているのは残りの容量か、足りない容量だけです。「ぎりぎり」は85%を超える場合で、長い会話に使える余裕はほとんどありません。
ほかの量子化やコンテキスト長、Q8のKVキャッシュはLLM VRAM計算ツールで試せます。
計算・2026年10月16日どのGPUを選ぶか
このサイトで扱うGPUのうち、Q4_K_M・8kコンテキストで読み込める最小のものはA100（80GB）です。必要量は45.8GBで、生成速度は推定35トークン/秒です。同じGPUでも32,768トークンのコンテキストまで余裕があるため（53.8GB）、このモデルのためにそれより上のGPUを買う理由はありません。
ほぼ劣化のないQ8_0なら、収まる最小のGPUはRTX PRO 6000 Blackwell（96GB）で、必要量は81GBです。Appleシリコンでは、MacBook Pro M4 Maxなら32,768トークンのコンテキストを含めて保持でき、生成速度は推定9トークン/秒です。ただしプロンプト処理はNVIDIAより遅く、長い文書ではその差がはっきり出ます。ユニファイドメモリのデスクトップでは、Ryzen AI Max+ 395が32,768トークンのコンテキストを53.8GBで保持でき、生成速度は推定4トークン/秒です。
GPU別の生成速度
| GPU | 動く？ | 推定トークン/秒 | 体感 | メモリ | メモリ帯域幅 |
|---|---|---|---|---|---|
| H100 SXM | 動く | 57 | チャットなら快適 | 80GB | 3,350GB/s |
| A100 | 動く | 35 | チャットなら快適 | 80GB | 2,039GB/s |
| RTX PRO 6000 Blackwell | 動く | 31 | チャットなら快適 | 96GB | 1,792GB/s |
| RTX Spark | 動く | 5 | 遅い（バッチ処理なら十分） | 128GB（GPU用102GB） | 300GB/s |
| DGX Spark | 動く | 5 | 対話には遅すぎる | 128GB（GPU用126GB） | 273GB/s |
| Ryzen AI Max+ 395 | 動く | 4 | 対話には遅すぎる | 128GB（GPU用96GB） | 256GB/s |
| RTX 6000 Ada | 動かない | - | 収まらない | 48GB | 960GB/s |
| L40S | 動かない | - | 収まらない | 48GB | 864GB/s |
| RTX A6000 | 動かない | - | 収まらない | 48GB | 768GB/s |
| RTX PRO 5000 Blackwell | 動かない | - | 収まらない | 48GB | 1,344GB/s |
| RTX 5090 | 動かない | - | 収まらない | 32GB | 1,792GB/s |
| RTX PRO 4500 Blackwell | 動かない | - | 収まらない | 32GB | 896GB/s |
| Radeon AI PRO R9700 | 動かない | - | 収まらない | 32GB | 640GB/s |
| Arc Pro B70 | 動かない | - | 収まらない | 32GB | 608GB/s |
| RTX 3090 | 動かない | - | 収まらない | 24GB | 936GB/s |
| RTX 4090 | 動かない | - | 収まらない | 24GB | 1,008GB/s |
| RX 7900 XTX | 動かない | - | 収まらない | 24GB | 960GB/s |
| RTX PRO 4000 Blackwell | 動かない | - | 収まらない | 24GB | 672GB/s |
| RTX PRO 4000 Blackwell SFF | 動かない | - | 収まらない | 24GB | 432GB/s |
| Arc Pro B60 | 動かない | - | 収まらない | 24GB | 456GB/s |
| RX 7900 XT | 動かない | - | 収まらない | 20GB | 800GB/s |
| RTX 4060 Ti | 動かない | - | 収まらない | 16GB | 288GB/s |
| RTX 5060 Ti | 動かない | - | 収まらない | 16GB | 448GB/s |
| RTX 5080 | 動かない | - | 収まらない | 16GB | 960GB/s |
| RTX 5070 Ti | 動かない | - | 収まらない | 16GB | 896GB/s |
| RTX 4080 SUPER | 動かない | - | 収まらない | 16GB | 736GB/s |
| RX 9070 XT | 動かない | - | 収まらない | 16GB | 640GB/s |
| RX 9060 XT | 動かない | - | 収まらない | 16GB | 320GB/s |
| RTX 3060 | 動かない | - | 収まらない | 12GB | 360GB/s |
| RTX 4070 | 動かない | - | 収まらない | 12GB | 504GB/s |
| RTX 5070 | 動かない | - | 収まらない | 12GB | 672GB/s |
| Arc B580 | 動かない | - | 収まらない | 12GB | 456GB/s |
シングルストリームの生成速度を、メモリ帯域幅と効率70%から求めた値です。プロンプト処理とバッチ処理は含みません。どれも上限（理論値）で、実測ではありません。DeepSeek-R1 Distill Llama 70BがQ4で1トークンごとに読む重みは40.9GBあり、処理の大半を重みの読み込みが占めます。計算式が想定しているのは、まさにこのケースです。ほかの量子化やAppleのハードウェアについては生成速度（トークン/秒）推定ツールを、モデルではなくハードウェアを選んでいる場合は全GPUの比較をご覧ください。
計算・2026年10月16日量子化・コンテキスト長別の必要メモリ
| 量子化 | 4,096トークン | 8,192トークン | 32,768トークン |
|---|---|---|---|
| Q8_0 | 79.7GB（96GBに収まる） | 81GB（96GBに収まる） | 89.1GB（96GBに収まる） |
| Q5_K_M | 54GB（80GBに収まる） | 55.3GB（80GBに収まる） | 63.4GB（80GBに収まる） |
| Q4_K_M | 44.4GB（48GBに収まる） | 45.8GB（80GBに収まる） | 53.8GB（80GBに収まる） |
重みはQ4で40.9GBです。コンテキストが1,000トークン増えるごとに、FP16のKVキャッシュが約0.328GB増えます。ほかの設定はLLM VRAM計算ツールで試せます。
モデルについて
DeepSeek-R1 Distill Llama 70Bは70.6Bパラメータのモデルです。80レイヤーで、KVヘッドは8個（ヘッド次元128）です。DeepSeek-R1の推論能力をLlama 3.3 70Bに蒸留したモデルです（2025年1月）。R1の蒸留モデルの中で最大です。
テキストのみ コンテキスト長131,072トークン MIT 2025年1月公開
思考モード：回答の前に、常に長く思考します。
これは推論モデルです。回答の前に思考の過程を書き出し、その量はしばしば数千トークンに及びます。思考もほかの内容と同じようにコンテキストウィンドウを占めるので、会話だけでなく思考の分もコンテキストを見込んでおきましょう。
ネイティブのコンテキスト長は131,072トークンです。ライセンスはMITで、寛容な（permissive）ライセンスです。重みの公開は2025年1月です。
得意なこと
- 80GBのGPUで、途中の過程を示しながら難しい推論問題を解くこと
注意点
- メモリはLlama 3.3 70Bと同じですが、推論が会話に書き込まれるため、1回の回答に必要なコンテキストはずっと多くなります。
- DeepSeekはMITで公開していますが、Llama 3.3をベースにしているため、Metaのライセンス条件も引き継がれます。
- 思考をオフにすることはできません。
似たモデル
Q4_K_M・8kコンテキストでDeepSeek-R1 Distill Llama 70Bとほぼ同じメモリを必要とするモデルです。手持ちのGPUで実際に比べる相手になるのは、これらのモデルです。「1kトークンあたり」の列はコンテキストが1,000トークン増えるごとのコストで、同じサイズのモデルの間でもっとも差が出るところです。
| モデル | サイズ | 必要量 | 1kトークンあたり | コンテキスト長 | 公開 |
|---|---|---|---|---|---|
| DeepSeek-R1 Distill Llama 70B | 70.6B | 45.8GB | 0.328GB | 128k | 2025年1月 |
| Llama 3.3 70B | 70.6B | 45.8GB | 0.328GB | 128k | 2024年12月 |
| Nemotron 3.5 Bolt 74B-A9B (MoE) | 74.9B（アクティブ9B） | 45.9GB | 0.008GB | 256k | 2026年10月 |
| Qwen3-Coder-Next 80B-A3B (MoE) | 79.7B（アクティブ3B） | 48.9GB | 0.025GB | 256k | 2026年1月 |
| gpt-oss 120B | 117B（アクティブ5.1B） | 71.4GB | 0.037GB | 128k | 2025年8月 |
全モデルの比較、8〜96GBに収まるモデル（英語）、クラウドGPUごとの最安の時間料金（英語）もご覧ください。
よくある質問
- DeepSeek-R1 Distill Llama 70Bは24GBのGPUで動く？
- いいえ、24GBのGPUには収まりません。Q4_K_M・8kコンテキストで約45.8GBが必要です。収まる最小のクラスは80GBです。
- DeepSeek-R1 Distill Llama 70BをQ8で動かすには、VRAMはどれくらい必要？
- 8kコンテキストで約81GB、32kコンテキストでは89.1GBです。Q8はほぼ劣化がないので、収まるならQ8を使うのがおすすめです。
- DeepSeek-R1 Distill Llama 70Bのコンテキスト長は？
- ネイティブで131,072トークンです。すべてをQ4_K_Mで保持すると約86GBが必要で、そのうち42.9GBがコンテキストの分です。
- DeepSeek-R1 Distill Llama 70BはRTX 4090でどれくらいの速さ？
- Q4・8kコンテキストではRTX 4090に収まらないため、CPUへのオフロードになり、速度は激減します。より大きなGPUを使うか、ビット数のより少ない量子化を選んでください。
- アーキテクチャの値は、Hugging Faceのdeepseek-ai/DeepSeek-R1-Distill-Llama-70Bにあるconfig.jsonから読み取り、2026年10月16日に確認しています。このページの数値はすべてこれらの値から計算しています。このモデルのためにハードウェアを買う前に、元の値を確認してください。
- 推定値は、ほかに何も動いていないGPUで会話を1つだけ扱う前提です。同じGPUでデスクトップ環境も動かすと、0.5〜2GBが使われます。